基于朴素贝叶斯模型的邮件过滤技术

针对朴素贝叶斯算法应用于反垃圾邮件过滤时,其有效性十分依赖于对邮件内容的有效建模,而邮件内容建模方面研究尚不成熟限制了贝叶斯方法在垃圾邮件过滤中的性能.采用了三种概率分布对邮件内容进行建模,据此提出了3种概率分布下的朴素贝叶斯算法.为了提高训练效率,算法采用了一种增量式的垃圾邮件过滤方法.在trec05p-1、trec06p两个公开数据集上对这3种贝叶斯算法进行了实验对比,分析出三种贝叶斯分布的适用范围.从不同分布的邮件内容建模角度出发,为过滤垃圾邮件的方法选择提供了有效依据.     

基于贝叶斯分类的邮件过滤系统研究与实现

电子邮件的普及给人们的生活带来极大的方便,但目前垃圾邮件的泛滥严重影响了用户的正常使用。贝叶斯算法因简单在英文邮件过滤中取得了良好的过滤效果,分析了贝叶斯算法的原理及其在垃圾邮件过滤中的应用,给出垃圾邮件过滤的整个过滤流程,设计并实现了一种语言无关的垃圾邮件过滤系统。     

基于贝叶斯分类的邮件过滤方法及模型研究

垃圾邮件日益泛滥,给用户带来了极大的不便和危害．并对网络安全构成威胁．传统邮件过滤方法单一,过滤精度不高,已不能很好地满足需求．结合规则过滤技术,分析了基于文本内容的贝叶斯分类器实现的关键技术与方法,并给出核心过滤算法在邮件分类中的实现具体方法及过程,进而完成垃圾邮件的判别．为减少邮件的误判对用户造成的损害及垃圾邮件漏判造成的影响,提出相应的改进措施,使用最小风险贝叶斯决策减小误判率,对分类系统经训练部分进行自适应调整,最后给出基于规则与内容的双重防范机制的邮件过滤模型及基于该框架的邮件判别流程．     

贝叶斯网络在过滤垃圾邮件算法中的应用研究

为在用户数据流中删除垃圾邮件,研究了具有自我学习能力的自适应邮件过滤系统．在对正常和垃圾2类邮件误分类成本分析的基础上,利用概率性的学习方法创建满足过滤任务需要的过滤器,且讨论使用邮件域名特征变量进行特定邮件过滤并设计了过滤器,最后对实际邮件组进行操作,验证了算法的可靠性．     

LSA和MD5算法在垃圾邮件过滤系统的应用研究

随着对垃圾邮件问题的普遍关注,针对目前邮件过滤方法中存在着的语义缺失现象和处理群发型垃圾邮件低效问题,提出一种基于潜在语义分析(LSA)和信息-摘要算法5(MD5)的垃圾邮件过滤模型。利用潜在语义分析标注垃圾邮件中潜在特征词,从而在过滤技术中引入语义分析;利用MD5在LSA分析基础上,对群发型垃圾邮件生成"邮件指纹",解决过滤技术在处理群发型垃圾邮件中低效的问题。结合该模型设计了一个垃圾邮件过滤系统。采用自选数据集对文中设计的系统进行测试评估,经与Naïve Bayes算法过滤器进行比较,证明该方法在垃圾邮件过滤上优于Naïve Bayes方法,实验结果达到了预期的效果,验证了该方法的可行性、优越性。     

贝叶斯模型在垃圾文本分类中的应用研究

为完成在邮件服务器内部过滤垃圾邮件的任务,参考经典贝叶斯模型,研究有自动调节能力的模型算法。以实验室样本邮件为目标,定义过滤器算法模型,并对系统环境变量设置进行讨论[5],最后对测试邮件文件进行加工,证明了模型设计的合理性。     

基于多Agent的垃圾邮件过滤系统的研究

单一的垃圾邮件过滤技术已经不能有效阻止不断出现的新型垃圾邮件,基于多Agent技术结合现有垃圾邮件过滤技术建立一个多技术整合分层过滤的垃圾邮件过滤系统.该系统在服务器端主要对一些具有反动、色情和病毒特征的邮件进行强制过滤,在客户端可以根据用户的兴趣选择进行个性化过滤.     

基于地址与内容过滤的垃圾邮件过滤器设计

针对电子邮件系统中垃圾邮件引起的安全性问题,设计了一种邮件过滤系统模型。该模型采用CORBA/IIOP体系结构,在服务器端进行基于地址、内容的邮件过滤,其中内容过滤采用先进的潜在语义索引算法,并通过构建用户个性词典的方法解决了该算法中文档集用户兴趣有效性问题。     

一种获取电子邮件的“蜜罐”系统研究

基于规则过滤的自动过滤方法对于垃圾邮件的过滤是一种非常有效的过滤方法。自动过滤方法要求进行规则学习，这样就必须有大量的邮件来做为学习的种子。本文提出了利用“蜜罐”系统捕获邮件来提供学习的种子，并建立了捕获邮件的蜜罐系统。在SMTP协议的分析研究的基础上，对蜜罐的配置进行了分析、改进，并以sendmail邮件服务器为例，进行了具体的设计与配置。     

一种获取电子邮件的“蜜罐”系统研究

基于规则过滤的自动过滤方法对于垃圾邮件的过滤是一种非常有效的过滤方法。自动过滤方法要求进行规则学习,这样就必须有大量的邮件来做为学习的种子。本文提出了利用“蜜罐”系统捕获邮件来提供学习的种子,并建立了捕获邮件的蜜罐系统。在SMTP协议的分析研究的基础上,对蜜罐的配置进行了分析、改进,并以sendmail邮件服务器为例,进行了具体的设计与配置。     

基于拟合HOSBM的邮件网络稳定链接的预测方法

为提高邮件通联网络中稳定链接预测的准确度,针对邮件通联网络中议题小组结构所具有的可重叠性和层次性特点,提出一种邮件通联网络边演化模型框架HOSBM,并给出HOSBM的似然估计函数;结合使用马尔科夫链蒙特卡洛算法,通过计算生成链接的可信度对邮件通联网络中的稳定链接进行预测.Enron邮件数据集上的实验结果表明,相比基于邻近度CN的链接预测法,基于拟合HOSBM的预测方法具有较高的预测精度和预测准确性.     

商务电子邮件的网络交际文体特征

近年来互联网的迅速发展使得电子邮件成为商务和个人沟通的最主要的网络交际手段。相比之下,对电子邮件方面的学术研究却鲜有发现,无论是商务的还是私人和社交性质的,没有统一的电子邮件写作规范和明确的语体标准。本文试图根据所收集的电子邮件探讨商务电子邮件的网络交际文体特征。     

基于邮件的嵌入式设备控制模型及安全机制

随着科技的进步,未来的Internet应用将转变为以嵌入式设备为中心,网络上70%的信息传输将来自小型嵌入式系统,通过Internet的远程控制应用更加广泛.该文提出了一种利用电子邮件实现远程控制嵌入式设备的模型.在该模型中,对设备控制信令的发送,设备状态的监控,以及数据的采集都通过电子邮件完成,其灵活性完全可以满足大部分非实时应用的需要.该文还对模型的安全性机制进行了研究,最后给出了实现方法.     

邮件网络免疫策略仿真

通过分析病毒在邮件网络中的传播,可以为复杂网络病毒传播研究提供依据.作者以交互式邮件网络为基础,对比分析了现有免疫策略以及基于介数信息的免疫策略对病毒扩散的抑制能力.实验结果表明,在已知全局信息的情况下,基于节点介数的免疫策略能更有效地抑制病毒传播.     

基于Email的作业管理模式研究与实践

在教学活动中,传统作业管理方式效率低、负担重,而目前多数专用作业管理系统又使教师自主性变差,针对这些问题,设计并实现了一种基于Email的作业管理模式.该模式利用Email的收发功能进行收发作业,通过解析Email的MIME格式获取作业信息.利用该模式,教师可以随时布置作业、批阅作业、发放作业以及统计作业,很大程度上提高了作业管理的效率,真正实现了教学中作业管理的自动化和无纸化.     

基于遗传算法的移动Agent迁移策略研究

在详细介绍移动Agent的基础上,基于遗传算法探讨了一种移动Agent的迁移策略.该策略能为移动Agent规划出一组最佳的迁移路径,使得移动Agent能适应复杂的动态网络坏境,并及时自主地修改迁移路径.最后仿真了一个实例,通过对实例的分析,验证了该算法能使移动Agent更好地适应动态迁移环境,寻找到最短路径,提高迁移效率.     

基于关联规则的重要邮箱发现研究

对重要邮箱发现进行研究,提出一种基于关联分析的重要邮箱发现方法。该方法首先利用经过项集修正的频繁模式增长(FP-Growth)算法,发现频繁通信的邮箱对,再通过用户提供的关键字对邮件内容进行过滤,计算邮箱对的重要度,重要度高的邮箱则认为是重要邮箱。     

Agent网络法——一种多元商务智能技术融合方法

为了融合粗糙集、模糊逻辑、决策树、群决策、蚁群算法、数据挖掘、遗传算法、人工神经网络等异质商务智能（BI）技术,基于复杂网络和多Agent,提出了一种称为Agent网络法的融合方法,该方法包括3大机制：自治主体,网络集聚的智能资源集成机制;“竞争上岗,择优合作”的智能资源利用机制;“绩效评估,优胜劣汰”的智能资源优化机制.基于该方法构建的BI系统是一个以众多Agent为节点的复杂网络,其中的每个Agent都是一个独立的智能单元,代表BI技术中的一个计算模型或算法.3大机制实现了多元BI技术两个层次的融合：新的Agent不断加入,被实践证明低价值的旧Agent不断剔出,网络中始终聚合着所有高价值的Agent,从而在系统结构层面上实现优秀BI技术的全面融合;借助谈判、招标、拍卖等竞争性合作机制,每次响应任务时,选出的是网络中最能胜任当前任务的Agent组合,从而在系统应用层面上实现 BI技术的动态融合.     

基于Linux平台的档案管理系统设计

通过对在Linux操作系统下中间件和电子邮件技术的研究,设计了一个档案文件与电子邮件转交平台,对解决档案信息化管理的诸多问题提供参考。     

基于核方法的贝叶斯邮件分类网络研究

提出一种包含核函数的Bayesian参数估计方法,提高了Bayesian参数估计的实用性。结合邮件内容和报文格式两个方面分析和提取邮件的重要特征,建立了对应的Bayesian邮件分类网络。将包含核函数的Bayesian参数估计方法应用到邮件分类网络,在对不同邮件测试集的在线学习试验结果证明,这种新的分类模型能够有效地实现垃圾邮件的分类过滤。